Module Question 7
- What distinguishes “deep learning” from traditional machine learning?
- What are convolutional layers and pooling layers in a CNN, and what is their primary function?
- Why are CNNs particularly well-suited for image processing tasks compared to standard neural networks?
- Name two major applications of CNNs in the real world.
Jawaban dibuat sesuai dengan 4 Standarisasi iDu yang terdiri dari Pertanyaan, Status, Keterangan, Bukti (berupa link iMe BisDi).
JAWABAN
- Perbedaan deep learning dan machine learning tradisional ?
-
Machine Learning Tradisional: Fitur atau ciri-ciri data harus ditentukan secara manual oleh manusia.
-
Deep Learning: Model bisa menemukan dan mempelajari fiturnya sendiri secara otomatis lewat banyak lapisan.
-
Contoh gampang: Kalau ML tradisional, kamu harus kasih tahu ciri buah (warna, bentuk, ukuran). Kalau Deep learning, kamu cukup kasih lihat ribuan foto buah, nanti modelnya cari sendiri ciri pentingnya.
2. Fungsi convolutional layer & pooling layer dalam CNN ?
-
Convolution Layer: Berfungsi menggeser filter untuk mendeteksi pola di dalam gambar secara otomatis dan efisien.
-
Pooling Layer: Berfungsi meringkas serta memperkecil ukuran hasil deteksi supaya proses komputasi lebih cepat dan tidak mudah overfitting.
3. Kenapa CNN cocok untuk pengolahan gambar ?
-
Karena CNN adalah jaringan saraf yang dirancang khusus untuk data berbentuk grid seperti gambar.
-
Menggabungkan convolution layer untuk mendeteksi pola/fitur visual di dalam gambar dan pooling layer untuk memperkecil ukuran sambil menjaga informasi penting, dengan urutan umum dari gambar masuk hingga layer klasifikasi akhir.
4. Dua aplikasi utama CNN di dunia nyata
-
Pengenalan Gambar & Wajah: Contohnya pada fitur deteksi wajah atau sistem deteksi objek pada mobil otonom.
-
Analisis Citra Medis: Contohnya untuk membantu mendeteksi penyakit dari hasil pindaian gambar medis (seperti rontgen atau MRI).